Do the Hard Things First: A Randomized Controlled Trial Testing the Effects of Exemplar Selection on Generalization Following Therapy for Grammatical Morphology
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Purpose: Complexity-based approaches to treatment have been gaining popularity in domains such as phonology and aphasia but have not yet been tested in child morphological acquisition. In this study, we examined whether beginning treatment with easier-to-inflect (easy first) or harder-to-inflect (hard first) verbs led to greater progress in the production of regular past-tense -ed by children with developmental language disorder. Method: Eighteen children with developmental language disorder (ages 4-10) participated in a randomized controlled trial (easy first, N = 10, hard first, N = 8). Verbs were selected on the basis of frequency, phonological complexity, and telicity (i.e., the completedness of the event). Progress was measured by the duration of therapy, number of verb lists trained to criterion, and pre/post gains in accuracy for trained and untrained verbs on structured probes. Results: The hard-first group made greater gains in accuracy on both trained and untrained verbs but did not have fewer therapy visits or train to criterion on more verb lists than the easy-first group. Treatment fidelity, average recasts per session, and verbs learned did not differ across conditions. Conclusion: When targeting grammatical morphemes, it may be most efficient for clinicians to select harder rather than easier exemplars of the target.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,010 | 0,011 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle